數(shù)據(jù)挖掘中應(yīng)用較多的技術(shù)機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)主流算法包括三種：關(guān)聯(lián)分析、分類(lèi)分析、聚類(lèi)分析。本文主要介紹分類(lèi)分析、聚類(lèi)分析。



圖片來(lái)源：來(lái)自網(wǎng)絡(luò)

一、分類(lèi)分析

（1）分類(lèi)分析概念 分類(lèi)分析是指算法通過(guò)學(xué)習(xí)得出“某種分類(lèi)依據(jù)”，該分類(lèi)依據(jù)可以判斷一個(gè)新事物的類(lèi)別（含個(gè)人理解）。

（2）分類(lèi)分析過(guò)程 分類(lèi)分析包括兩個(gè)過(guò)程：

1）通過(guò)大量樣本的訓(xùn)練，使算法可以建立準(zhǔn)確率超過(guò)某值的分類(lèi)依據(jù)。

2）算法根據(jù)分類(lèi)依據(jù)對(duì)新事物分類(lèi)。

（3）分類(lèi)分析過(guò)程與學(xué)生學(xué)習(xí)過(guò)程對(duì)比

1）學(xué)生本身具有學(xué)習(xí)能力，但不會(huì)做某一類(lèi)型的題。這類(lèi)似于機(jī)器學(xué)習(xí)算法具有學(xué)習(xí)能力，但不會(huì)對(duì)某一事物進(jìn)行分類(lèi)。

2）學(xué)生在學(xué)習(xí)過(guò)程中需要做大量習(xí)題，而且還需要根據(jù)標(biāo)準(zhǔn)答案確定每道題的正誤，學(xué)生在該過(guò)程逐步調(diào)整其知識(shí)體系。這類(lèi)似于機(jī)器學(xué)習(xí)算法需要通過(guò)大量樣本的訓(xùn)練，機(jī)器學(xué)習(xí)的每個(gè)樣本均包含輸入和輸出，機(jī)器學(xué)習(xí)可以通過(guò)將樣本輸入其建立模型得出的輸出與樣本輸出（樣本輸出類(lèi)似標(biāo)準(zhǔn)答案）進(jìn)行對(duì)比，判斷其建立模型的準(zhǔn)確性，不斷調(diào)整其建立的模型。

3）當(dāng)學(xué)生掌握所學(xué)的知識(shí)后，其就具備了在考試中解答新的同類(lèi)型問(wèn)題的能力。這類(lèi)似于機(jī)器學(xué)習(xí)算法通過(guò)其建立的模型對(duì)新事物分類(lèi)。

（4）分類(lèi)分析算法

常見(jiàn)的分類(lèi)分析算法包括：決策樹(shù)、K近鄰法（kNN）、樸素貝葉斯、感知機(jī)、支持向量機(jī)（SVM）。

更高級(jí)的分類(lèi)分析方法包括：邏輯斯諦回歸（Logistic回歸）、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)路等。

二、聚類(lèi)分析

（1）聚類(lèi)分析概念

聚類(lèi)分析是將一群物理對(duì)象劃分成相似的對(duì)象集合的過(guò)程。在聚類(lèi)分析中，各個(gè)聚類(lèi)內(nèi)的數(shù)據(jù)對(duì)象是相似的，不同聚類(lèi)間的對(duì)象是相異的。



圖片來(lái)源：來(lái)自網(wǎng)絡(luò)

（2）聚類(lèi)分析與分類(lèi)分析對(duì)比

與分類(lèi)分析類(lèi)似，聚類(lèi)分析的目的也是將樣本劃分至不同的子集。兩者不同的是：分類(lèi)分析需要大量樣本訓(xùn)練，分類(lèi)分析的算法在學(xué)習(xí)過(guò)程中需被告知每個(gè)樣本的類(lèi)別；聚類(lèi)分析不需要訓(xùn)練樣本，聚類(lèi)分析的算法學(xué)習(xí)的數(shù)據(jù)是沒(méi)有指導(dǎo)信息的數(shù)據(jù)，聚類(lèi)分析的算法通過(guò)其內(nèi)部機(jī)制對(duì)樣本進(jìn)行劃分，將“它”認(rèn)為同類(lèi)的數(shù)據(jù)進(jìn)行聚類(lèi)。

（3）聚類(lèi)分析與日常事物分類(lèi)方式對(duì)比 聚類(lèi)分析的分類(lèi)方式使其對(duì)事物的分類(lèi)方式可能有別于日常生活中對(duì)事物的劃分。

例如，日常生活中如果對(duì)香蕉、草莓、木塊分類(lèi)，人們可能更容易將香蕉和草莓劃分為水果一類(lèi)，將木塊劃分為另外的類(lèi)別；但聚類(lèi)分析算法可能將香蕉和木塊劃分為一類(lèi)，將草莓劃分為另外的類(lèi)別，分類(lèi)依據(jù)是香蕉和木塊都是黃色的。



圖片來(lái)源：來(lái)自網(wǎng)絡(luò)

（4）聚類(lèi)分析方法

聚類(lèi)分析的常用方法包括：K-means算法、K中心點(diǎn)算法、層次聚類(lèi)算法等。

審核編輯：劉清